{"id":24693,"date":"2024-06-19T03:02:59","date_gmt":"2024-06-19T03:02:59","guid":{"rendered":"https:\/\/domosistemas.com\/?p=24693"},"modified":"2024-06-19T03:02:59","modified_gmt":"2024-06-19T03:02:59","slug":"platonerf-la-nueva-tecnica-del-mit-que-modela-escenas-3d-utilizando-lidar-y-aprendizaje-automatico","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=24693","title":{"rendered":"PlatoNeRF, la nueva t\u00e9cnica del MIT que modela escenas 3D utilizando lidar y aprendizaje autom\u00e1tico"},"content":{"rendered":"
\n

Los investigadores del Instituto Tecnol\u00f3gico de Massachusetts (MIT<\/a>) y Meta han desarrollado una t\u00e9cnica de visi\u00f3n por computadora que crea modelos 3D f\u00edsicamente precisos de una escena completa, incluidas \u00e1reas bloqueadas de la vista, utilizando im\u00e1genes desde una \u00fanica posici\u00f3n de c\u00e1mara. Su t\u00e9cnica utiliza sombras para determinar qu\u00e9 hay en las partes obstruidas de la escena.<\/p>\n

\"MIT
Gracias a los impulsos de la tecnolog\u00eda lidar, PlatoNeRF puede obtener informaci\u00f3n de la escena y generar una reconstrucci\u00f3n de geometr\u00eda 3D, incluso de objetos en las sombras.<\/figcaption><\/figure>\n

La nueva t\u00e9cnica, llamada PlatoNeRF, combina la tecnolog\u00eda lidar (detecci\u00f3n y alcance de luz) con el aprendizaje autom\u00e1tico. De esta forma, se puede generar reconstrucciones de geometr\u00eda 3D m\u00e1s precisas que algunas t\u00e9cnicas de inteligencia artificial existentes. Adem\u00e1s, PlatoNeRF es mejor para reconstruir suavemente escenas donde las sombras son dif\u00edciles de ver, como aquellas con mucha luz ambiental o fondos oscuros.<\/p>\n

Para PlatoNeRF, los investigadores del MIT desarrollaron estos enfoques utilizando una nueva modalidad de detecci\u00f3n llamada lidar de fot\u00f3n \u00fanico. Los lidars mapean una escena en 3D emitiendo pulsos de luz y midiendo el tiempo que tarda esa luz en rebotar en el sensor. Dado que los lidares de fot\u00f3n \u00fanico pueden detectar fotones individuales, proporcionan datos de mayor resoluci\u00f3n.<\/p>\n

Informaci\u00f3n de la escena con los rebotes de la luz<\/h2>\n

Los investigadores utilizan un lidar de fot\u00f3n \u00fanico para iluminar un punto objetivo en la escena. Parte de la luz rebota en ese punto y regresa directamente al sensor. Sin embargo, la mayor parte de la luz se dispersa y rebota en otros objetos antes de regresar al sensor. PlatoNeRF se basa en estos segundos rebotes de luz.<\/p>\n

Al calcular cu\u00e1nto tiempo tarda la luz en rebotar dos veces y luego regresar al sensor lidar, PlatoNeRF captura informaci\u00f3n adicional sobre la escena, incluida la profundidad. El segundo rebote de luz tambi\u00e9n contiene informaci\u00f3n sobre las sombras.<\/p>\n

El sistema rastrea los rayos de luz secundarios (aquellos que rebotan desde el punto objetivo hacia otros puntos de la escena) para determinar qu\u00e9 puntos se encuentran en la sombra (debido a la ausencia de luz). Seg\u00fan la ubicaci\u00f3n de estas sombras, PlatoNeRF puede inferir la geometr\u00eda de los objetos ocultos.<\/p>\n

El lidar ilumina secuencialmente 16 puntos, capturando m\u00faltiples im\u00e1genes que se utilizan para reconstruir toda la escena 3D. La clave de PlatoNeRF es la combinaci\u00f3n de lidar de rebote m\u00faltiple con un tipo especial de modelo de aprendizaje autom\u00e1tico conocido como campo de radiaci\u00f3n neuronal (NeRF). Un NeRF codifica la geometr\u00eda de una escena en los pesos de una red neuronal, lo que le da al modelo una gran capacidad para interpolar o estimar vistas novedosas de una escena.<\/p>\n

Comparaci\u00f3n con otras t\u00e9cnicas<\/h2>\n

Compararon PlatoNeRF con dos m\u00e9todos alternativos comunes, uno que solo usa lidar y el otro que solo usa un NeRF con una imagen en color. Descubrieron que su m\u00e9todo pod\u00eda superar a ambas t\u00e9cnicas, especialmente cuando el sensor lidar ten\u00eda una resoluci\u00f3n m\u00e1s baja. Esto har\u00eda que su enfoque fuera m\u00e1s pr\u00e1ctico de implementar en el mundo real, donde los sensores de menor resoluci\u00f3n son comunes en los dispositivos comerciales.<\/p>\n

En el futuro, los investigadores quieren intentar rastrear m\u00e1s de dos rebotes de luz para ver c\u00f3mo eso podr\u00eda mejorar las reconstrucciones de escenas. Adem\u00e1s, est\u00e1n interesados \u200b\u200ben aplicar t\u00e9cnicas de aprendizaje m\u00e1s profundo y combinar PlatoNeRF con mediciones de im\u00e1genes en color para capturar informaci\u00f3n de textura.<\/p>\n

Respecto a su aplicaci\u00f3n, esta t\u00e9cnica se podr\u00eda utilizar para hacer que los auriculares de realidad aumentada y realidad virtual (AR\/VR) sean m\u00e1s eficientes al permitir al usuario modelar la geometr\u00eda de una habitaci\u00f3n sin la necesidad de caminar tomando medidas. Tambi\u00e9n podr\u00eda ayudar a los robots de almac\u00e9n a encontrar m\u00e1s r\u00e1pidamente art\u00edculos en entornos desordenados o mejorar la seguridad de los veh\u00edculos aut\u00f3nomos.<\/p>\n

La entrada PlatoNeRF, la nueva t\u00e9cnica del MIT que modela escenas 3D utilizando lidar y aprendizaje autom\u00e1tico<\/a> aparece primero en CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Los investigadores del Instituto Tecnol\u00f3gico de Massachusetts (MIT) y Meta han desarrollado una t\u00e9cnica de visi\u00f3n por computadora que crea modelos 3D f\u00edsicamente precisos de una escena completa, incluidas \u00e1reas bloqueadas de la vista, utilizando im\u00e1genes desde una \u00fanica posici\u00f3n de c\u00e1mara. Su t\u00e9cnica utiliza sombras para determinar qu\u00e9 hay en las partes obstruidas de … Sigue leyendo PlatoNeRF, la nueva t\u00e9cnica del MIT que modela escenas 3D utilizando lidar y aprendizaje autom\u00e1tico<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-24693","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/24693","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=24693"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/24693\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=24693"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=24693"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=24693"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}